Agustus 2016 ISSN 2355-0864

Volume 4
Nomor 2

Jurnal
Chimica et Natura Acta

DETEKSI URUTAN OLIGONUKLEOTIDA MYCOBACTERIUM TUBERCULOSIS SECARA

VOLTAMMETRI MENGGUNAKAN SCREEN PRINTED CARBON ELECTRODE (SPCE)

(Hartati dkk., 2016)


Penerbit/Publisher
DEPARTEMEN KIMIA
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Padjadjaran Chimica et Natura Acta
 CHIMICA ET NATURA ACTA

Dewan Redaksi/Editorial Board

Penanggung Jawab/Editor In Chief
Prof. Dr. H.R. Ukun M.S. Soedjanaatmadja, M.S (Universitas Padjadjaran, Indonesia)

Redaktur/Managing Editor
Rani Maharani, Ph.D. (Universitas Padjadjaran, Indonesia)

Editor/Editors
Prof. Dr. Husein H. Bahti (Universitas Padjadjaran, Indonesia)
Prof. Dr. Toto Subroto (Universitas Padjadjaran, Indonesia)
Dr. Dikdik Kurnia, M.Sc. (Universitas Padjadjaran, Indonesia)
Dr. Tati Herlina, M.Si. (Universitas Padjadjaran, Indonesia)
Dr. Iman Rahayu, M.Si. (Universitas Padjadjaran, Indonesia)
Juliandri, Ph.D. (Universitas Padjadjaran, Indonesia)
Safri Ishmayana, M.Sc. (Universitas Padjadjaran, Indonesia)
Jamaludin Al Anshori, Ph.D. (Universitas Padjadjaran, Indonesia)
Uji Pratomo, M.Si. (Universitas Padjadjaran, Indonesia)
Galuh Yuliani, Ph.D. (Universitas Pendidikan Indonesia, Indonesia)
Rifki Septawendar, M.Si. (Balai Besar Keramik, Indonesia)
M. Luthfi Firdaus, Ph.D. (Universitas Bengkulu, Indonesia)
Prof. Dr. Alexander V. Knyazev (Lobachevsky State University of Nizhni Novgorod, Russia)
Ambara R. Pradipta, Ph.D. (Riken, Japan)
Nurhidanatasha Abu Bakar, Ph.D. (Universiti Sains Malaysia, Malaysia)
Duong Thuy Nhu, Ph.D. (Walter and Eliza Hall Institute of Medical Research, Australia)
Dr. Elaheh Gharekhani (Islamic Azad University, Iran)

Sekretariat/Secretariate
Yandi Nuryandi
Hendi Asikin

ii
 CHIMICA ET NATURA ACTA

Volume 4 Nomor 2, Agustus 2016

Mitra Bestari/ Peer Reviewers

Muhammad Yusuf, Ph.D. (Kimia Komputasi, Universitas Padjadjaran)
Harry Budiman, M.Sc. (Kimia Analitik, Pusat Penelitian Kimia, LIPI)
Dr. Santhy Wyantuti (Kimia Analitik, Universitas Padjadjaran)
Dr. Dadan Sumiarsa (Kimia Organik, Universitas Padjadjaran)
Dr. Dikdik Kurnia (Kimia Organik, Universitas Padjadjaran)
Juliandri, Ph.D. (Kimia Anorganik, Universitas Padjadjaran)
Prof. Dr. Ukun M.S. Soedjanaatmadja (Biokimia, Universitas Padjadjaran)
Safri Ishmayana, M.Sc. (Biokimia, Universitas Padjadjaran)
Dr. Solihudin (Kimia Fisik, Universitas Padjadjaran)

Materi Jurnal/Scope of the journal

Makalah yang diterbitkan berkaitan dengan kimia analisis dan pemisahan kimia, sintesis senyawa
kimia, kimia bahan alam, kimia organik, biokimia, kimia fisik, kimia anorganik, kimia lingkungan,
kimia pangan, bioteknologi & biomolekuler.

The published papers include analytical chemistry and chemical separation, synthesis of chemical
compounds, natural product chemistry, organic chemistry, biochemistry, physical chemistry,
inorganic chemistry, environmental chemistry, food chemistry, biotechnology & biomolecular.

Diterbitkan secara berkala tiga kali dalam setahun.

Published periodically three times a year.

Alamat Sekretariat dan Pengiriman Naskah/

Address of Secretariate and Paper Submission:

Departemen Kimia - FMIPA Universitas Padjadjaran

Jl. Raya Bandung-Sumedang KM. 21 Jatinangor, Sumedang 45363 - INDONESIA
Telp./Fax.: 022-7794391
E-mail: jcna@unpad.ac.id
Homepage: http://jurnal.unpad.ac.id/jcena

iii
 CHIMICA ET NATURA ACTA
Volume 4 Nomor 2, Agustus 2016

DAFTAR ISI/TABLE OF CONTENTS

Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon 52 – 59
Basic Natriuretic Peptide (BNP)
Shabarni Gaffar, Aga Adi Masyhuri, Yeni Wahyuni Hartati, Rustaman

Menentukan Kestabilan Nuklida-nuklida Berdasarkan Massa Inti per Nukleon 60 – 71

Dede Suhendar

Pemisahan Minyak Pelumas (Base Oil) dari Minyak Bumi Asal Bangko, Rohil-Riau 72 – 78
dengan Zeolit A dari Abu Layang
Emrizal Mahidin Tamboesai

Deteksi Urutan Oligonukleotida Mycobacterium tuberculosis Secara Voltammetri 79 – 83

Menggunakan Screen Printed Carbon Electrode (SPCE)
Yeni Wahyuni Hartati, Yohan, Ratna Nurmalasari, Shabarni Gaffar, Rubianto A. Lubis

Pengujian Potensi Antijamur Ekstrak Air Kayu Secang Terhadap Aspergillus niger dan 84 – 87
Candida albicans
Yenni Karlina, Putranti Adirestuti, Dewi Meliati Agustini, Nurul Laily Fadhillah, Nida
Fauziyyah, Desi Malita

Fitoremediasi Logam Kadmium pada Asap Rokok Menggunakan Tanaman Lidah 88 – 92

Mertua Jenis Sansevieria hyacinthoides dan Sansevieria trifasciata
Jaswiah, Syamsidar H. Syarifuddin, Iin Novianti

Pemisahan Lanthanum dari Limbah Hasil Pengolahan Timah dengan Menggunakan 93 – 96

Metode Pengendapan Bertingkat
Iwan Hastiawan, Fajar Firmansyah, Juliandri, Diana Rakhmawaty Eddy, Atiek Rostika
Noviyanti

Transformasi Menggunakan Agrobacterium tumefaciens Pada Tunas Daun Kalanchoe 97 – 105

mortagei dan Kalanchoe daigremontiana 1 dan 2
Hamami Alfasani Dewanto, Sony Suhandono

Stabilisasi Vitamin A (Retinol) pada Serum Otologus Sediaan Serbuk Kering 106 - 110
Menggunakan Lioprotektan Sukrosa
Iman P. Maksum, Lani Indrayati, Sutarya Enus

iv
 PENGANTAR REDAKSI

Pembaca Yang Terhormat,

Puji dan syukur Kami panjatkan ke hadirat Allah SWT, karena atas segala rahmat dan karunia-
Nya Kami dapat menerbitkan Jurnal Chimica et Natura Acta Volume 4, Nomor 2, Agustus 2016.
Pada kesempatan ini, Kami sajikan delapan makalah yang terdiri atas makalah yang berjudul:
“Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon Basic
Natriuretic Peptide (BNP)”; “Menentukan Kestabilan Nuklida-nuklida Berdasarkan Massa Inti per
Nukleon”; “Pemisahan Minyak Pelumas (Base Oil) dari Minyak Bumi Asal Bangko, Rohil-Riau
dengan Zeolit A dari Abu Layang”; “Deteksi Urutan Oligonukleotida Mycobacterium tuberculosis
Secara Voltammetri Menggunakan Screen Printed Carbon Electrode (SPCE)”; “Pengujian Potensi
Antijamur Ekstrak Air Kayu Secang Terhadap Aspergillus niger dan Candida albicans”;
“Fitoremediasi Logam Kadmium pada Asap Rokok Menggunakan Tanaman Lidah Mertua Jenis
Sansevieria hyacinthoides dan Sansevieria trifasciata”; “Pemisahan Lanthanum dari Limbah Hasil
Pengolahan Timah dengan Menggunakan Metode Pengendapan Bertingkat”; “Transformasi
Menggunakan Agrobacterium tumefaciens Pada Tunas Daun Kalanchoe mortagei dan Kalanchoe
daigremontiana 1 dan 2” dan “Stabilisasi Vitamin A (Retinol) pada Serum Otologus Sediaan Serbuk
Kering Menggunakan Lioprotektan Sukrosa”.
Kami mohon maaf jika dalam penyampaiannya masih ada kekurangan dan mohon maklum
adanya. Kami mengucapkan terimakasih kepada para peneliti, fungsional, dan para ahli di bidangnya
masing-masing yang telah mengirimkan tulisannya kepada dewan redaksi kami. Kami juga
berterimakasih kepada seluruh tim yang telah membantu dalam proses penerbitan jurnal ini.
Semoga kerja keras dan kerjasama yang telah terlaksana ini dapat dipertahankan.

Jatinangor, Agustus 2016

Salam,

Dewan Redaksi

v
Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon Basic Natriuretic Peptide (BNP)
Gaffar, S., Masyhuri, A.A., Hartati, Y.W., Rustaman

STUDI IN SILICO SINGLE CHAIN VARIABLE FRAGMENT (SCFV) SELEKTIF

TERHADAP HORMON BASIC NATRIURETIC PEPTIDE (BNP)
Shabarni Gaffar*, Aga Adi Masyhuri, Yeni Wahyuni Hartati, Rustaman
Departemen Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran, Jln. Raya
Bandung-Sumedang km. 21 Jatinangor, Sumedang, Jawa Barat, 45363
*Alamat Korespondensi: shabarni.gaffar@unpad.ac.id

Abstrak: Basic natriuretic peptide (BNP) merupakan polipeptida yang terdiri dari 32 asam amino yang
disekresikan oleh bilik jantung untuk merespon peregangan yang berlebihan pada sel otot jantung. Pengeluaran
BNP dimodulasi oleh ion kalsium. BNP berpotensi untuk digunakan sebagai marker untuk meramalkan pasien
yang mengalami gagal jantung. Anti BNP single chain variable fragment (Anti BNP SCFV) merupakan
gabungan polipeptida antara daerah yang bervariasi pada rantai heavy (VH) dan rantai light (VL) dari
immunoglobulin. Anti BNP SCFV akan berikatan dengan BNP melalui pengenalan antigen-antibodi yang
biasanya berada pada daerah CDR (Complementary Determining Region) yang merupakan bagian dari SCFV.
Tujuan penelitian ini adalah untuk mempelajari selektivitas docking SCFV yang diperoleh dari Protein Data
Bank (PDB) dengan BNP berdasarkan parameter energi intermolekular secara in silico. SCFV terpilih
dimodifikasi melalui penggantian asam amino yang berperan pada interaksi untuk mendapatkan SCFV yang
lebih selektif terhadap BNP dengan energi interaksi intermolekular yang lebih rendah. Docking dilakukan
menggunakan program Autodock 4.2.3. Visualisasi dilakukan menggunakan program Molegro Virtual Viewer.
Hasil penelitian menunjukkan SCFV dengan ID-PDB 4OUO merupakan SCFV yang selektif terhadap BNP
dengan energi intermolekular -12,81 kkal/mol, Ki 0,9712 M, namun energi ikatan yang positif: 17,33 kkal/mol.
Penggantian asam amino arginin 116 menjadi histidin pada SCFV 4OUO memperlihatkan pengikatan yang
lebih selektif terhadap BNP dengan energi intermolekul -13,66 kkal/mol, energi ikatan 16,47 kkal/mol, dan Ki
0,9726 M. Bagaimanapun, metode prediksi interaksi antara BNP dan SCFV perlu dikembangkan lebih lanjut
untuk mendapatkan hasil yang lebih baik.

Kata kunci: BNP, SCFV, in Silico

Abstract: Basic natriuretic peptide (BNP) is a 32 amino acids polypeptide secreted by the chambers of the heart
in response to excessive stretching of heart muscle cells. Excretion of BNP is modulated by calcium ions.BNP
has the potential to be used as a marker topredict patients with heart failure. Anti BNP single chain variable
fragment (Anti BNP-SCFV) is a combination of polypeptides of varying regions in the heavy chain (VH) and
light chain (VL) of immunoglobulins. Anti BNP-SCFV will bind to BNP through the interaction of antibody-
antigen in CDR (Complementary Determining Region) which is part of SCFV. The purpose of this research was
to study the docking selectivity of SCFV from Protein Data Bank (PDB) with BNP based on intermolecular
energy parameters. Selected SCFV was modified by replacement of some amino acids which important for
interaction in the SCFV to get more selective SCFV to BNP with lower intermolecular interaction. Docking was
done using Autodock 4.2.3. Visualization was done using Molegro Virtual Viewer. The result found that SCFV
with PDB-ID 4OUO was selective to BNP with the intermolecular energy of -12,81 kcal/mol, Ki 0,9712 M, but
the binding energy was positive: 17,33 kcal/mol.. Replacement of amino acid arginine 116 to histidine in 4OUO
SCFV showed more selective binding with intermolecular energy -13,66kcal/mol, binding energy 16,47
kcal/mol, and Ki 0,9726 M. However, the method to predict interaction between BNP and SCFV need to
developed to give a better result.

Keywords: BNP, SCFV, in silico

PENDAHULUAN untuk menyeleksi sejumlah senyawa inhibitor β-

Molecular docking adalah suatu metode yang
digunakan untuk memprediksi interaksi antara ligan
(molekul kecil) dengan molekul besar seperti protein,
enzim dan karbohidrat dengan tujuan untuk
memprediksi kestabilan dan kespontanan interaksi
yang dapat dilihat melalui energi bebas yang semakin
kecil. Molecular docking sudah menjadi salah satu
metode yang penting untuk penemuan obat baru dan
untuk mempelajari interaksi antigen dan antibodi
(Meng et al. 2011; Pedotti et al. 2011). Chen &
Shoichet (2009) menggunakan molecular docking
laktamase. Cherien et al. (2011) menggunakan
molecular docking untuk mempelajari reaktivitas
silang dari virus influenza H1N1. Podestà et al.
(2014) juga menggunakan molecular docking untuk
menyeleksi sejumlah SCFV yang berpotensi sebagai
inhibitor racun organofosfat .
Sejak tahun 2011 jumlah penderita penyakit gagal
jantung sudah mencapai satu juta kasus baru
pertahunnya Roger et al. (2012). Salah satu metode
untuk mendeteksi terjadinya gagal jantung pada
pasien adalah dengan cara penentuan konsentrasi

52
Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon Basic Natriuretic Peptide (BNP)
Gaffar, S., Masyhuri, A.A., Hartati, Y.W., Rustaman
hormon natriuretik peptide tipe B (BNP) yang
bermanfaat untuk diagnosis gagal jantung
(Longenecker et al. 2009; Moe 2009). BNP
merupakan polipeptida yang terdiri dari 32 asam
amino yang disekresikan oleh bilik jantung untuk
merespon tekanan yang berlebihan terhadap sel otot
jantung (Saito 2010; Seferian et al. 2007).
Konsentrasi BNP meningkat pada pasien yang
mengalami disfungsi bilik jantung kiri dan
berhubungan dengan tingkat keseriusan penyakit
jantung (Saito 2010; Chung et al. 2006; Mueller et al.
2007; Tanfous et al. 2006). Oleh karena itu, antibodi
terhadap BNP bermanfaat pada uji klinis atau untuk
imaging kerusakan jantung.
Teknologi produksi antibodi telah berkembang
kearah antibodi rekombinan sebagai molekul yang
digunakan untuk diagnosis dan terapi (Leonard
2008). Sejumlah format antibodi rekombinan telah
direkayasa untuk digunakan sebagai alat diagnosis.
Salah satunya yang paling banyak dikaji adalah
SCFV yang mengandung daerah yang bervariasi dari
immunoglobulin, dihubungkan oleh asam amino
penyambung (linker) yang bervariasi (Heo et al.
2006).
Maeng et al. (2012) menambahkan residu asam
amino pada urutan SCFV sehingga struktur SCFV
semakin panjang. Penambahan asam amino ini
ternyata tidak mempengaruhi pengikatan SCFV
terhadap BNP. Struktur tiga dimensi anti BNP SCFV
belum tersedia pada Protein Data Bank, namun
struktur SCFV yang berikatan dengan ligan lain
sudah dilaporkan. Dalam rangka memperoleh
struktur SCFV yang tepat untuk deteksi BNP, maka
pada penelitian ini dilakukan docking sejumlah
struktur SCFV dari PDB dengan BNP. Untuk
mendapatkan SCFV dengan energi pengikatan yang
lebih kecil maka perlu dilakukan penggantian asam
amino pada struktur SCFV dengan harapan dengan
adanya pergantian asam amino dapat membuat
interaksi SCFV lebih selektif terhadap BNP.
BAHAN DAN METODE
Penyiapan senyawa ligan untuk docking
Struktur ligan (BNP) dibuat dengan software
Marvin Sketch. Struktur BNP dibuat secara 2D,
kemudian dirubah menjadi 3D. Struktur BNP 3D
diminimalkan energinya menggunakan fitur MD pada
Chem Office 3D dan disimpan dalam format pdb.
Struktur ligan dengan format pdb diimpor ke
software AutoDockTools, kemudian disimpan
dengan format pdbqt.
Penyiapan SCFV untuk docking
Sebanyak 40 struktur SCFV diunduh dari Protein
Data Bank kemudian dipisahkan dari ligannya dan
diedit menggunakan AutoDockTools. File SCFV dari
PDB dibuka menggunakan fitur Grid, kemudian
disimpan dengan format pdbqt.
53
Modifikasi SCFV
Struktur SCFV dimodifikasi dengan mengganti
asam amino yang berperan pada interaksi BNP-
SCFV. Urutan asam amino dari SCFV yang baru dari
hasil modifikasi di upload ke SWISS-MODEL
(http://swissmodel.expasy.org/) untuk mendapatkan
struktur SCFV baru.
Docking BNP dengan SCFV
Sebelum docking dilakukan, disiapkan parameter
grid untuk memberikan informasi tipe map yang akan
dikomputasikan, lokasi, dan parameter pasangan
energi potensial. Secara umum, satu map akan
dihitung untuk setiap elemen pada ligan, ditambah
map elektrostatik. File BNP dan SCFV dalam format
pdbqt dibuka dan disimpan dalam format gpf,
kemudian dijalankan dengan program Autogrid.
Docking dilakukan dengan menggunakan program
Autodock 4.2.3. Docking dilakukan dengan
parameter algoritma genetik yang disimpan dalam
format dpf. Autodock dijalankan dengan perintah %
autodock4 –p lig.macro.dpf -l lig.macro.dlg&. Hasil
Autodock adalah berupa histogram dari beberapa
eksperimen dan energinya yang dapat dilihat dalam
file lig.macro.dlg. Hasil docking berupa ∆G
dikonversi menjadi Ki sehingga dapat diketahui nilai
Ki dari kompleks BNP-Anti BNP SCFV.
Visualisasi hasil docking
Visualisasi dilakukan dengan menggunakan
program Molegro Virtual Viewer. Hasil yang di
visualisasi berupa interaksi antara BNP dengan
SCFV. Kompleks yang dihasilkan juga dianalisis
dengan plot Ramachandran menggunakan
RAMPAGE web server (http://mordred.bioc.
cam.ac.uk/~rapper/rampage.php )
HASIL DAN PEMBAHASAN
Struktur 3 Dimensi SCFV dan BNP
Struktur 3 dimensi SCFV dapat diperoleh dari
Research Collaboratory for Structural Bioinformatics
Protein Data Bank melalui alamat situs
http://www.rscb.org/pdb/. Struktur kristal SCFV yang
diambil dari PDB berjumlah empat puluh. Keempat
puluh struktur kristal tersebut merupakan hasil
penelitian dengan menggunakan kristalografi sinar X.
Struktur SCFV yang diambil dari PDB adalah: ID-
PDB: 4OUO, 1NMC, 1MOE, 1MVU, 3NN8,
1NAM, 2UUD, 1A14, 1X9X, 4NKM, 1KTR, 4NKD,
2ZNX, 4NKO, 4P48, 4BUH, 104B, 3JUY, 1DZB,
3UMT, 3H3B, 2A9N, 3U6R, 2GJJ, 1XIW, 2OTU,
2YCI, 2YBR, 1P41, 4HOI, 4HOH, 4HOG, 4LAR,
4UT7, 4KV5, 4LAS, 4NIK, 3ABO, 4P49, 2A9M.
Keempat puluh struktur SCFV dari PDB ini nantinya
akan berperan sebagai makromolekul sedangkan
BNP berperan sebagai ligan ketika proses docking.
Struktur BNP untuk penelitian ini dibuat dengan
menggunakan program Marvin sketch dan disimpan
dengan format .pdb (Gambar 1).
Docking SCFV dengan BNP
Hasil docking antara BNP dan SCFV diperoleh
nilai Ki yang besarnya tidak sama antara masing-
54
Gambar 1. Struktur dan urutan asam amino BNP.
Gambar 2. Model interaksi antara BNP dan SCFV
4OUO
masing molekul SCFV. Hasil docking antara BNP
dan SCFV disajikan pada Tabel 1.
Nilai Ki dari hasil docking memiliki perbedaan
yang tidak terlalu jauh, hal ini dikarenakan urutan
asam amino dari SCFV yang didapatkan dari PDB
memiliki homologi urutan yang tidak terlalu berbeda
jauh (75-94%), yang dibuktikan dengan alignment
antara ke-empat puluh urutan SCFV menggunakan
program aligment T-coffee (http://tcoffee.crg.cat
/apps/tcoffee/do:expresso/) (data tidak diperlihatkan).
Namun energi ikatan antara semua kompleks
diperoleh nilai positif. Berdasarkan hasil docking
diprediksi 4OUO merupakan SCFV yang selektif
terhadap BNP jika dibandingkan dengan SCFV yang
lain. SCFV 4OUO dapat membentuk interaksi yang
lebih banyak dengan BNP jika dibandingkan dengan
SCFV yang lain, model interaksi antara BNP dengan
4OUO dapat dilihat pada Gambar 2. Interaksi non
kovalen antara BNP dan SCFV 4OUO yaitu interaksi
hidrogen dan elektrostatik diperlihatkan pada Gambar
3 dan 4. Interaksi ini berkontribusi terhadap nilai Ki
dari SCFV 4OUO dan BNP.
Untuk menunjukkan bahwa kompleks antara
4OUO dengan BNP merupakan kompleks yang
memiliki kualitas yang baik adalah dengan
menggambarkan kompleks 4OUO dengan BNP
kedalam suatu plot Ramachandran. Melalui plot
Chimica et Natura Acta Vol. 4 No. 2, Agustus 2016: 52-59
Gambar 3. Ikatan hidrogen antara BNP dan SCFV
4OUO. Asam amino SCFV 4OUO yang
berkontribusi pada pembentukan ikatan hydrogen
adalah Serin 42, Arginin 116, Glisin 127 dan
Threonin 231
Gambar 4. Interaksi elektrostatik antara BNP dan
SCFV 4OUO
Ramachandran dapat diketahui suatu struktur protein
mempunyai kualitas yang baik atau tidak. Caranya
dengan melihat plot residu non glisin yang terletak
pada wilayah sudut dihedral yangdilarang
(disallowed regions). Glisin merupakan asam amino
yang tidak mempunyai rantai samping sehingga sudut
Φ dan ψ nya dapat berada pada empat kuadran dari
plot Ramachandran. Suatu struktur protein
dinyatakan baik jika jumlah plot residu yang terdapat
pada most favoured regions lebih dari 90% dan R-
factor tidak lebih dari 20%. Untuk membuat plot
Ramachandran komplek antara 4OUO dengan BNP
disimpan dalam bentuk .pdb kemudian digambarkan
dengan bantuan server RAMPAGE. Server
RAMPAGE merupakan group dari Crystallography
& Bioinformatics yang dikembangkan oleh
University of Cambridge. Server RAMPAGE diakses
melalui (http://mordred.bioc.cam.ac.uk/~rapper/
rampage.php). Plot Ramachandran antara SCFV
4OUO dengan BNP ditunjukkan pada Gambar 5.
Berdasarkan plot Ramachandran SCFV 4OUO
dengan BNP didapatkan jumlah residu asam amino
pada favour region sebesar 97,6 % dan jumlah residu
asam amino pada outlier region hanya sebesar 0,4 %.
Hasil ini menunjukkan bahwa komplek ini memiliki
kualitas yang baik.
Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon Basic Natriuretic Peptide (BNP)
Gaffar, S., Masyhuri, A.A., Hartati, Y.W., Rustaman
55

Tabel 1. Hasil docking BNP dengan SCFV

No Kompleks Energi ikatan Ki

(kkal/mol) (Molar)
1. 4OUO-BNP 17,33 0,9712
2. 1NMC-BNP 18,55 0,9692
3. 1MVU-BNP 19,95 0,9669
4. 3NN8-BNP 20,36 0,9662
5. 2UUD-BNP 20,67 0,9657
6. 1NAM-BNP 20,73 0,9656
7. 1MOE-BNP 21,4 0,9645
8. 1A14-BNP 22,62 0,9625
9. 4NKM-BNP 23,75 0,9607
10. 2ZNX-BNP 23,78 0,9607
11. 1KTR-BNP 24,07 0,9602
12. 4NKO-BNP 24,26 0,9599
13. 4NKD-BNP 24,3 0,9598
14. 1X9Q-BNP 25,04 0,9586
15. 4P48-BNP 35,46 0,9419
16. 3JUY-BNP 80,97 0,8723
17. 1DZB-BNP 88,46 0,8613
18. 4UT7-BNP 170,57 0,7498
19. 1P4B-BNP 346,1 0,5575
20. 2A9N-BNP 495,43 0,4333
21. 3U6R-BNP 489 0,4380
22. 3H3B-BNP 650 0,3338
23. 2YBR-BNP 696 0,3089
24. 4HOI-BNP 758 0,2782
25. 4HOG-BNP 789 0,2640
26. 1P41-BNP 1302 0,1111
27. 4HOH-BNP 1315 0,1086
28. 4NIK-BNP 1345 0,1033
29. 4KVS-BNP 1365 0,09985
30. 3ABO-BNP 1421 0,09084
31. 4LAS-BNP 1526 0,07609
32. 4P49-BNP 1589 0,06841
33. 2A9M-BNP 1598 0,06738
34. 4BUH-BNP 1688 0,05788
35. 2GIJ-BNP 1752 0,05196
36. 1XIW-BNP 1813 0,04687
37. 2OTU-BNP 1858 0,04344
38. 2YCI-BNP 1912 0,03966
39. 4LAR-BNP 1956 0,03682
40. 3UMT-BNP 1978 0,03548

Gambar 5. Plot Ramachandran BNP dan SCFV 4OUO. Jumlah residu asam amino yang berada pada favoured
region, allowed region dan outlier region adalah berturut-turut: 97,6%, 1,9% dan 0,4%.
56
Chimica et Natura Acta Vol. 4 No. 2, Agustus 2016: 52-59

Tabel 2. Hasil docking SCFV dengan penggantian asam amino dengan BNP

Binding Energy Ki
Kompleks
(kkal/mol) (Molar)
Wild Type 17.33 0.97120
R116H-BNP 16.47 0.97260
S42T-BNP 16.59 0.97240
S42C-BNP 16.67 0.97230
S42Q-BNP 16.78 0.97210
G127I-BNP 16.79 0.97210
S42N-BNP 16.84 0.97200
G127L-BNP 17.03 0.97170
G127M-BNP 17.07 0.97160
S42A-BNP 17.15 0.97150
T231N-BNP 17.16 0.97140
G127A-BNP 17.2 0.97140
T231C-BNP 17.22 0.97140
G127P-BNP 17.25 0.97130
S42Y-BNP 17.33 0.97120
R116K-BNP 17.35 0.97110
T231S-BNP 17.47 0.97090
T231Y-BNP 17.47 0.97090
T231Q-BNP 17.52 0.97090
T231A-BNP 17.58 0.97080
G127V-BNP 17.76 0.97050

Modifikasi SCFV 4OUO
Dalam rangka mendapatkan struktur SCFV yang
lebih selektif terhadap BNP, dilakukan modifikasi
dari struktur SCFV 4OUO. Modifikasi pada struktur
4OUO dilakukan dengan cara mengganti salah satu
asam amino pada struktur 4OUO dengan asam amino
lain yang memiliki sifat yang mirip dengan asam
amino yang akan diganti.
Barnes & Gray (2003) menjelaskan bahwa
pergantian asam amino yang memiliki sifat yang
sama dengan asam amino yang akan diganti, tidak
akan menyebabkan perbedaan sifat dari suatu protein
sehingga masih mempertahankan sifat dari protein
tersebut. Apabila asam amino yang akan diganti
bersifat polar maka asam amino penggantinya juga
bersifat polar, hal ini bertujuan agar kita bisa melihat
pengaruh pergantian asam amino tanpa adanya
perubahan sifat dari protein. Asam amino SCFV
4OUO yang diganti adalah adalah serin 42 (menjadi
sistein/asparagin/glutamin, threonin/metionin),
arginin 116 (menjadi histidin/lisin), Glisin 127
(menjadi alanin/isoleusin/leusin/prolin/valin) dan
threonin 231 (menjadi sistein/asparagin/glutamin
/serin/metionin). Alasan digantinya keempat residu
tersebut adalah karena residu tersebut memiliki
peranan yang sangat besar dalam interaksinya dengan
BNP. Keempat residu tersebut memiliki nilai ikatan
hidrogen tinggi jika dibandingkan dengan residu lain
yang berinteraksi dengan BNP. Jarak ikatan hidrogen
antara asam amino serin 42, arginin 116, glisin 127
dan threonin 231 dengan BNP berturut turut adalah
2,7 Å, 2,9 Å, 2,8 Å, 3 Å.
Urutan asam amino dari SCFV yang baru dari
hasil penggantian asam amino di upload ke SWISS-
MODEL (http://swissmodel.expasy.org/) untuk
mendapatkan model struktur dari SCFV baru. Untuk
menentukan apakah hasil penggantian asam amino
memiliki pengaruh yang lebih baik atau tidak
terhadap pembentukan kompleks SCFV-BNP maka
nilai Ki kompleks SCFV-BNP hasil penggantian
dibandingkan dengan kompleks SCFV-4OUO wild
type sehingga dapat diketahui pengaruhnya (Tabel 2).
Berdasarkan hasil nilai Ki dari dua puluh macam
SCFV baru, ternyata penggantian arginin 116
menjadi histidin memberikan nilai Ki yang lebih
tinggi dibandingkan dengan wild type. Perubahan
arginin menjadi histidin memberikan efek yang
cukup besar pada interaksi dengan SCFV-BNP
(energi ikatan 17,33 vs 16,47 kkal/mol). Hal ini
kemungkinan disebabkan ukuran histidin yang lebih
kecil dibandingkan arginin sehingga membuat
struktur SCFV menjadi agak terbuka dan
Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon Basic Natriuretic Peptide (BNP)
Gaffar, S., Masyhuri, A.A., Hartati, Y.W., Rustaman
Gambar 6. Model ikatan hidrogen antara histidin 116 dengan BNP
Gambar 7. Perbandingan struktur SCFV dengan residu arginin116 Wild Type dengan histidin 116 hasil
modifikasi
memungkinkan BNP untuk bisa masuk ke dalam
struktur SCFV. Gambar 6 menunjukkan ikatan
hidrogen antar histidin hasil modifikasi dengan BNP
yang memiliki jarak ikatan hidrogen sebesar 3,1 Å.
Perbandingan antara wild type dan hasil modifikasi
pada residu arginin diganti dengan histidin ini dapat
dilihat pada Gambar 7
Untuk menguji apakah struktur SCFV yang baru
ini memiliki konformasi yang stabil maka dilakukan
analisis dengan plot Ramachandran (Gambar 8).
Berdasarkan plot Ramachandran didapatkan jumlah
residu asam amino yang berada pada daerah yang
diperbolehkan sebesar 97,4 % dan jumlah residu pada
daerah yang dilarang hanya sebesar 0,65 %, hal ini
menunjukkan bahwa struktur komplek ini memiliki
kualitas yang baik. Hampir tidak ada perbedaan
antara struktur plot Ramachandran wild type dengan
R116H, hal ini dimungkinkan karena struktur SCFV
yang dimodifikasi hanya satu asam amino sehingga
tidak mempengaruhi struktur umum dari SCFV.
Apabila dari struktur SCFV wild type banyak
dilakukan perubahan maka sangat mungkin hasil dari
plot Ramachandran ini akan sangat berbeda jika
dibandingkan dengan wild type.
57
Pencarian struktur SCFV yang dapat digunakan
untuk deteksi BNP dimulai dari pencarian struktur
3D SCFV pada Protein Data Bank
(www.rcsb.org/pdb). Penggunaan SCFV untuk
deteksi BNP lebih disukai dibanding immunoglobulin
karena ukurannya yang lebih kecil. Hasil docking
dari struktur kristal SCFV dengan 40 macam ID
PDB terhadap BNP memperlihatkan SCFV 4OUO
merupakan kandidat SCFV yang paling unggul
ditinjau dari energi intermolekul, energi ikatan dan
Ki. Analisis plot Ramachandran juga menunjukkan
bahwa 97,6% residu asam amino berada pada most
favoured region. Akan tetapi nilai energi ikatan yang
positif menunjukkan interaksi yang tidak spontan.
Penggantian asam amino arginin 116 menjadi
histidin memberikan energi ikatan yang lebih kecil
namun Ki yang lebih besar dibandingkan dengan
wild type. Perubahan arginin menjadi histidin
memberikan efek pada interaksi dengan SCFV-BNP,
disebabkan karena ukuran histidin yang lebih kecil
dibandingkan arginin sehingga membuat struktur
SCFV menjadi agak terbuka dan memungkinkan
BNP untuk bisa masuk ke dalam struktur SCFV.
58
Gambar 8. Plot Ramachandran komplek SCFV R116H-BNP. Jumlah residu asam amino yang berada pada
favoured region, allowed region dan outlier region adalah berturut-turut: 97,4%, 1,9% dan 0,6%.
Penelitian ini belum bisa membuktikan apakah
asam-asam amino pada SCFV yang berinteraksi
dengan BNP berada pada daerah CDR, sehingga
penelitian lebih lanjut diperlukan untuk memastikan
asam amino yang berada pada daerah CDR.
Bagaimanapun, penelitian ini menunjukkan
bahwa energi bebas antara BNP dengan SCFV
bernilai positif. Secara termodinamika, interaksi
antara keduanya tidak berjalan secara spontan.
Pengembangan metode komputasi lebih lanjut perlu
dilakukan untuk dapat memprediksi interaksi BNP-
SCFV secara lebih baik dan akurat, atau struktur
SCFV yang lebih tepat.
KESIMPULAN
Hasil docking keempat puluh struktur SCFV yang
diperoleh dari PDB terhadap BNP diperoleh SCFV
4OUO sebagai SCFV yang memiliki interaksi non
kovalen yang paling kuat terhadap BNP. Penelitian
lebih lanjut perlu dilakukan untuk mempelajari
interaksi BNP terhadap SCFV pada daerah CDR.
DAFTAR PUSTAKA
Barnes, M.R. (2003). Bioinformatics for Geneticists.
New York: John Wiley & Sons.
Chen, Y. & Shoichet, B.K. (2009) Molecular docking
and ligand specificity in fragment-based
inhibitor discovery. Nature Chemical Biology.
5(5): 358–364.
Cherien, S., Hil, P. & Mishra, A.C. (2011) Antigen-
antibody docking reveals the molecular basis for
cross-reactivity of the 1918 and 2009 Influenza
A/H1N1 pandemic viruses. Bioinformation.
6(1): 35–38.
Chung, T., Sindone, A., Foo, F., Dwyer, A., Paoloni,
R., Janu, M.R., Wong, H., Hall, J. & Freedman,
S.B. (2006). Influence of history of heart failure
on diagnostic performance and utility of B-type
natriuretic peptide testing for acute dyspnea in
Chimica et Natura Acta Vol. 4 No. 2, Agustus 2016: 52-59
the emergency department. American Heart
Journal. 152(5): 949-955.
Heo, M.A., Kim, S.H., Kim, S.Y., Kim, Y.J., Chung,
J., Oh, M.K. & Lee, S.G. (2006). Functional
expression of single-chain variable fragment
antibody against c-Met in the cytoplasm of
Escherichia coli. Protein Expression and
Purification. 47(1): 203-209.
Leonard G.P. (2008). Molecular engineering and
design of therapeutic antibodies. Current
Opinion in Immunology. 20(4): 460-470
Longenecker, K.L., Ruan, Q., Fry, E.H., Saldana,
S.C., Brophy, S.E., Richardson, P.L. & Tetin,
S.Y. (2009). Crystal Structure and
thermodynamic analysis of diagnostic mab
106.3 complexed with BNP 5–13 (C10A).
Proteins: Structure, Function, and
Bioinformatics. 76(3): 536–547.
Maeng, B.H., Choi, J., Sa, Y.S., Shin, J.H. & Kim,
Y.H. (2012) Functional expression of
recombinant anti-BNP SCFV in methylotrophic
yeast Pichia pastoris and application as a
recognition molecule in electrochemical
sensors. World Journal of Microbiology &
Biotechnology. 28(3): 1027–1034.
Meng, X.Y., Zhang, H.X., Mezei, M. & Cui, M.
(2011). Molecular docking: a powerful
approach for structure-based drug discovery.
Current Computer - Aided Drug Design. 7(2):
146–157.
Moe, G.W. (2006). B-type natriuretic peptide in heart
failure. Current Opinion in Cardiology. 21(3):
208-214.
Mueller, C., Breidthardt, T., Laule-Kilian, K., Christ,
M. & Perruchoud, A.P. (2007) The integration
of BNP and NT-proBNP into clinical medicine.
Swiss Medical Weekly. 137(1-2): 4-12.
Pedotti, M., Simonelli, L., Livoti, E. & Varani, L.
(2011). Computational docking of antibody-
antigen complexes, opportunities and pitfalls
Studi In Silico Single Chain Variable Fragment (SCFV) Selektif Terhadap Hormon Basic Natriuretic Peptide (BNP)
Gaffar, S., Masyhuri, A.A., Hartati, Y.W., Rustaman
illustrated by Influenza Hemagglutinin.
International Journal of Molecular Sciences.
12(1): 226–251.
Podestà, A., Rossi, S., Massarelli, I., Carpi, S.,
Adinolfi, B., Fogli, S., Bianucci, A.M. &
Nieri, P. (2014) Selection of a human
butyrylcholinesterase-like antibody single-chain
variable fragment resistant to AChE inhibitors
from a phage library expressed in E. coli. mAbs.
6(4): 1084-1093.
Roger, V.L., Go, A.S., Lioyd-Jones, D.M., Benjamin,
E.J., Berry, J.D., Borden, W.B., Bravata, D.M.,
Dai, S., Ford, E.S., Fox, C.S., Fullerton, H.J.,
Gillespie, C., Hailpern, S.M., Heit, J.A.,
Howard, V.J., Kissela, B.M., Kittner, S.J.,
Lackland, D.T., Lichtman, J.H., Lisabeth, L.D.,
Makuc, D.M., Marcus, G.M., Marelli, A.,
Matchar, D.B., Moy, C.S., Mozaffarian, D.,
Mussolino, M.E., Nichol, G., Paynter, N.P.,
Soliman, E.Z., Sorlie, P.D., Sotoodehnia, N.,
Turan, T.N., Virani, S.S., Wong, N.D., Woo, D.
& Turner, M.B. (2012). Heart disease and stroke
59
statistics – 2012 update: a report from the
American Heart Association. Circulation.
125(1): e2–e220.
Saito, Y. (2010) Roles of atrial natriuretic peptide
and its therapeutic use. Journal of Cardiology.
56(3): 262-270.
Seferian, K.R., Tamm, N.N., Semenov, A.G.,
Mukharyamova, K.S., Tolstaya, A.A.,
Koshkina, E.V., Kara, A.N., Krasnoselsky, M.I.,
Apple, F.S., Esakova, T.V., Filatov, V.L. &
Katrukha, A.G. (2007). The brain natriuretic
peptide (BNP) precursor is the major
immunoreactive form of BNP in patients with
heart failure. Clinical Chemistry. 53(5): 866–
873.
Tanfous, N.G.B., Kallel, H., Jarboui, M.A. &
Fathallah, D.M. (2006) Expression in Pichia
pastoris of a recombinant SCFV form of MAb
107, an anti human CD11b integrin antibody.
Enzyme and Microbial Technology. 38(5): 636–
642.
 Tinjauan Pustaka

INTERAKSI HORMON DAN EPILEPSI

HORMONE AND EPILEPSY INTERACTION
Ahmad Sulaiman Alwahdy,* Astri Budikayanti,* Fitri Octaviana,* Donny Hamid**

ABSTRACT
Hormones are signaling chemical molecules between cells that circulated in blood within the human body and play
important roles for human being. Unfortunately, not all their functions are known, especially in epilepsy. Studies reported
interactions between hormones and epilepsy, also with antiepileptic drugs (AEDs). For example, seizures may be induced
by estrogen, while AEDs can decrease hormone level by inducing enzyme in P450 cytochrome and accelerating hormone
clearance. These conditions are known as tridirectional interactions. Understanding the interactions between hormones,
epilepsy and AEDs would raise an awareness and insight for clinicians especially neurologist for basic knowledges as
considerations in treating patients with epilepsy.
Keyword: Antiepileptic drugs, epilepsy, hormone, seizure
ABSTRAK
Hormon merupakan molekul pembawa pesan kimiawi antar sel yang berada dalam tubuh manusia, beredar di dalam
darah dan sangat penting bagi kehidupan manusia. Perannya pada epilepsi belum seluruhnya diketahui, akan tetapi berbagai
penelitian yang ada menunjukan adanya interaksi antara hormon dan epilepsi begitu juga terhadap obat antiepilepsi (OAE).
Sebagai contoh, bangkitan epilepsi dapat dicetuskan oleh estrogen, namun beberapa OAE yang merupakan penginduksi
enzim sitokrom P450 di hati, dapat menurunkan kadar hormon di dalam tubuh dan juga mempercepat pembersihan hormon
terutama hormon steroid seks. Hubungan ketiga faktor ini menciptakan hubungan yang disebut hubungan tridireksional.
Dengan memahami mengenai interaksi yang terjadi antara hormon, epilepsi dan OAE, diharapkan dapat membuka wawasan
bagi neurologis untuk memiliki pengetahuan dasar sebagai pertimbangan dalam tata laksana pasien epilepsi.
Kata kunci: Bangkitan, epilepsi, hormon, obat antiepilepsi
*Departemen Neurologi FK Universitas Indonesia/RSUPN Dr. Cipto Mangunkusumo, Jakarta; **SMF Neurologi RSUD Pasar Rebo,
Jakarta. Korespondensi: ule842002@yahoo.com.

PENDAHULUAN
Dalam memahami bangkitan pada epilepsi,
banyak faktor yang harus dipertimbangkan, begitu juga
pada tatalaksananya. Keterlibatan hormon pada epilepsi
tidak dapat dilupakan, terutama pada obat anti epilepsi
(OAE) yang berinteraksi dengan hormon. Banyak
teori dan penelitian yang melaporkan interaksi antara
hormon, epilepsi, dan OAE. Interaksi di antara
ketiganya menciptakan suatu hubungan yang saling
memengaruhi satu sama lain.1
Kini telah banyak penelitian yang mencoba
mengatasi permasalahan bangkitan dan epilepsi baik
terhadap fungsi hormon. Interaksi hormon yang
diketahui dan telah banyak diteliti perannya terhadap
epilepsi adalah hormon estrogen dan progesteron
yang dihasilkan oleh ovarium, serta testosteron yang
dihasilkan oleh testis. Di samping itu, akhir-akhir
ini hormon tiroid, yang merupakan hormon penting
dalam meregulasi ekspresi gen, diketahui juga memiliki
peran dalam epilepsi.
PEMBAHASAN
Hormon Steroid Seks
Hormon steroid seks berperan dalam memengaruhi
eksitabilitas saraf-saraf di otak, baik pada perempuan
maupun laki-laki. Pada perempuan, terdapat dua
hormon steroid seks yang berperan yaitu progesteron
bulannya. Progesteron diketahui memiliki kemampuan
sebagai antikejang, sedangkan estrogen sebagai
hormon yang dapat mencetuskan terjadinya kejang.2,4
Hormon testosteron pada laki-laki dilaporkan sebagai
antikejang, tetapi beberapa penelitian melaporkan efek
sebaliknya.2
Estrogen
Terdapat tiga bentuk hormon estrogen biologis
yang aktif. Estrogen utama yang dimiliki perempuan
pada masa reproduktif adalah estradiol yang dihasilkan
dari stimulasi hormon perangsang folikel.1 Bentuk
kedua adalah estriol yang lebih banyak dimiliki pada
saat kehamilan, sedangkan bentuk ketiga, yaitu estron,
lebih banyak pada masa pascamenopause.2

Neurona Vol. 37 No. 2 Maret 2020 xxx

2 Current Computer-Aided Drug Design, 2011, Vol. 7, No. 2
[28, 29] created by Koshland takes the lock-and-key theory a
step further, stating that the active site of the protein is
continually reshaped by interactions with the ligands as the
ligands interact with the protein. This theory suggests that
the ligand and receptor should be treated as flexible during
docking. Consequently, it could describe the binding events
more accurately than the rigid treatment. Considering the
limitation of computer resources, docking has been
performed with a flexible ligand and a rigid receptor for a
long time, and remains the most popular method in use [7,
30-35]. Recently many efforts have been made to deal with
the flexibility of the receptor [36-42], however, flexible
receptor docking, especially backbone flexibility in
receptors, still presents a major challenge for available
docking methods. In our study, we propose a Local Move
Monte Carlo (LMMC) approach as a potential solution to
flexible receptor docking problems.
THEORY OF DOCKING
Essentially, the aim of molecular docking is to give a
prediction of the ligand-receptor complex structure using
computation methods. Docking can be achieved through two
interrelated steps: first by sampling conformations of the
ligand in the active site of the protein; then ranking these
conformations via a scoring function. Ideally, sampling
algorithms should be able to reproduce the experimental
binding mode and the scoring function should also rank it
highest among all generated conformations. From these two
perspectives, we give a brief overview of basic docking
theory.
Sampling Algorithms
With six degrees of translational and rotational freedom
as well as the conformational degrees of freedom of both the
ligand and protein, there are a huge number of possible
binding modes between two molecules. Unfortunately, it
would be too expensive to computationally generate all the
possible conformations. Various sampling algorithms have
been developed and widely used in molecular docking
software (Table 1).
Matching algorithms (MA) [43-45] based on molecular
shape map a ligand into an active site of a protein in terms of
shape features and chemical information. The protein and the
ligand are represented as pharmacophores. Each distance of
the pharmacophore within the protein and ligand is
Table 1. Some Sampling Algorithms Discussed in this Paper
Algorithms
Matching algorithms Geometry-based, suitable to VS and database enrichment for its high speed
Incremental construction
MCSS fragment-based methods for the de novo design
LUDI fragment-based methods for the de novo design
Monte Carlo
Genetic algorithms
Molecular dynamics
Meng et al.
calculated for a match; new ligand conformations are
governed by the distance matrix between the pharmacophore
and the corresponding ligand atoms. Chemical properties,
like hydrogen-bond donors and acceptors, can be taken into
account during the match. Matching algorithms have the
advantage of speed; thus they may be used for the
enrichment of active compounds from large libraries [7].
Matching algorithms for ligand docking are available in
DOCK [10], FLOG [46], LibDock [47] and SANDOCK [48]
programs.
Incremental construction (IC) [30, 49, 50] methods put
the ligand into an active site in a fragmental and incremental
fashion. The ligand is divided into several fragments by
breaking its rotatable bonds and then one of these fragments
is selected to dock into the active site first. This anchor is
usually the largest fragment or the piece which may have
significant functional role or interaction with protein. The
remaining fragments can be added incrementally. Different
orientations are generated to fit in the active site, which
realizes the flexibility of the ligand. The incremental
construction method has been used in DOCK 4.0 [51], FlexX
[30], Hammerhead [52], SLIDE [53] and eHiTS [54].
In addition to IC, Multiple Copy Simultaneous Search
(MCSS) [55, 56] and LUDI [57] are fragment-based
methods for the de novo design of ligands and modifications
of known ligands that may enhance their binding to the
target protein. MCSS makes 1,000 to 5,000 copies of a
functional group, which are randomly placed in the binding
site of interest and subjected to simultaneous energy
minimization and/or quenched molecular dynamics in the
forcefield of the protein. Copies only interact with the
proteins and any interactions among the copies are omitted.
Consequently a set of energetically favorable binding sites
and orientations for the functional group is identified based
on the interaction energies. The binding site is mapped by
using different functional groups. New molecules which
perfectly match the binding site can be designed through the
linkage of those different functional groups.
LUDI focuses on the hydrogen bonds and hydrophobic
contacts which could be formed between the ligand and
protein. Its central concept are interaction sites, which are
discrete positions in space suitable for forming hydrogen
bonds or for filling a hydrophobic pocket [57]. A set of
interaction sites is generated either by searching the database
or using the rules. The fragment is then fitted onto the
interaction sites and evaluated by distance criteria. The final
Characteristic Ref.
[43-45]
Fragment-based and docking incrementally [30, 49, 50]
[55, 56]
[57]
Stochastic search [58, 59]
Stochastic search [31, 32, 64]
For further refinement after docking [68-70]